现有视频监控系统大部分采用PC机或工控机结构，主要是考虑图象处理涉及大量数据运算需要高端CPU的支持。然而，PC机和工控机由于集成了许多与监控系统无关的功能，使得整个视频监控系统的成本增加，资源浪费。本文中所设计的视频监控系统是以S3C2410ARM微处理器为控制核心，其上运行裁剪过的Linux系统，精简了资源。另外，针对一般监控系统需要人为辅助操作的问题，本文研究了视频图像中运动物体跟踪算法和云台电机的自动控制方法，实现了系统的全自动化。在摄像机和运动物体同时运动时，对于图像识别和云台控制采用如下策略实现：当发现有运动物体时，先使摄像机停止转动，采集连续的几帧图像进行分析，再向云台发出相应的指令跟踪物体转动一定角度停止，如此循环，且转动时不采集图像。在运动目标识别方面，针对现有的基于象素差值的帧差法在图像灰度值较低的情况识别效果差的缺点，使用改进了的基于象素比值的帧差法，提高了目标识别的精度；并在帧差法的帧数选择上，综合使用了两帧相比较和三帧相比较，既考虑运动区域提取的精确性，同时也顾及到尽量减少系统内存与CPU的耗费，达到运动区域提取的精度与程序实时性的平衡。在目标定位方面，采用形心定位的方法，即计算运动区域的几何形心，本文中是计算其外接矩形的形心，作为运动目标的坐标。在运动目标跟踪方面，考虑到摄像头转动的同时物体也还在运动，为了解决一般被动跟踪算法所存在的跟踪滞后问题，本文使用了卡尔曼滤波的跟踪预测算法，主动预测物体在摄像头转动了之后即下一帧的位置，消除了跟踪滞后。云台的控制机构使用四相步进电机，提高了系统控制的实时性和精确性。